Predicción de órbitas basado en inteligencia artificial para el rastreo y control de satélites

El rastreo y control de satélites es un proceso crucial en la operación de satélite y puede llevarse a cabo solo si se cuenta datos posicionales precisos del satélite. Este informe propone la implementación de técnicas de inteligencia artificial para realizar la predicción de órbitas satelitales de manera precisa y eficaz. Para lograrlo se desarrollaron una serie de modelos con Redes Neuronales Recurrentes, los cuales a través de una interfaz de usuario desarrollada en Python permiten visualizar la trayectoria orbital. Los modelos a través del procesamiento de datos históricos sobre la posición satelital y con la configuración de la fecha a predecir, permite conocer el instante de tiempo y los parámetros de configuración de las antenas de la estación terrena, que le permitirán establecer una conexión con el satélite. Los modelos de Red Neuronal Recurrente bajo la arquitectura GRU muestran que la implementación de técnicas de inteligencia artificial ofrece predicciones bastante precisas y sientan una base sólida en futuras investigaciones en el sector espacial. Eng: Satellite tracking and control is a crucial process in satellite operation and can only be carried out if accurate positional data of the satellite is available. This report proposes the implementation of artificial intelligence techniques to achieve precise and effective satellite orbit prediction. To accomplish this, a series of models using Recurrent Neural Networks were developed, which, through a user interface developed in Python, allow for visualization of the orbital trajectory. The models, by processing historical data on the satellite’s position and configuring the date to be predicted, allow for determining the precise time and configuration parameters of the ground station antennas that will establish a connection with the satellite. The Recurrent Neural Networks models under the GRU architecture show that the implementation of artificial intelligence techniques offers highly accurate predictions and lays a solid foundation for future research in the space sector.

• Autores: Pedraza González, Tania Lorena
• Tipo de recurso: Tesis
• Fecha de publicación: 2024
• Institución: Universidad Pedagógica y Tecnológica de Colombia
• Repositorio: RiUPTC: Repositorio Institucional UPTC
• Idioma: spa
• OAI Identifier: oai:repositorio.uptc.edu.co:001/17604
• Acceso en línea: https://repositorio.uptc.edu.co/handle/001/17604
• Palabra clave: Protección de datos; Inteligencia artificial; Satélite artificial
• License: http://purl.org/coar/access_right/c_abf2